[发明专利]基于自监督学习的图像去雾方法、装置、设备及介质

说明书

本申请适用于图像处理技术领域，提供了一种基于自监督学习的图像去雾方法、装置、设备及介质，其中该方法包括：获取多张清晰无雾图像；分别针对每张清晰无雾图像，利用大气散射模型分别按照预设的多个图像处理角度对清晰无雾图像进行处理，得到清晰无雾图像的多张有雾图像；分别针对每张有雾图像，将有雾图像以及有雾图像对应的清晰无雾图像作为一图像对，得到多个图像对；利用多个图像对对图像去雾模型进行训练，得到训练后的图像去雾模型；利用训练后的图像去雾模型对待去雾图像进行去雾处理。本申请能提高图像去雾的效率。

技术领域

本申请属于图像处理技术领域，尤其涉及一种基于自监督学习的图像去雾方法、装置、设备及介质。

背景技术

随着计算机视觉技术的广泛普及与应用，需要对大量的图像数据进行分析和处理，而现实中图像数据的采集环境容易受到天气等因素干扰，例如有雾天气下，在室外场景中捕获的图像经常受可见性差，对比度降低，表面晕染和颜色偏移的影响。由灰尘，雾气和烟雾等气溶胶引起的雾霾的存在给图像增加了复杂的、非线性的和数据相关的噪声，使得雾霾去除成为极具挑战性的图像恢复和增强问题。在很多应用场景中，如自动驾驶，雾霾的存在，会遮盖车辆摄像头，导致采集的数据质量严重退化，影响智能驾驶系统进一步决策。因此对图像进行有效去雾，恢复出高质量的无雾图像，就成了很多计算机系统和应用场景的重要过程，各种图像去雾模型也随之应运而生。

但是，这些图像去雾模型在投入实际使用前，都需要利用大量的图像数据(即无雾图像和含雾图像组成的图像对)进行训练，而这大量的图像数据通常由人工收集并完成人工标注，从而造成去雾的效率低。

发明内容

本申请实施例提供了一种基于自监督学习的图像去雾方法、装置、设备及介质，可以解决图像去雾的效率低的问题。

第一方面，本申请实施例提供了一种基于自监督学习的图像去雾方法，包括：

获取多张清晰无雾图像；

分别针对每张清晰无雾图像，利用大气散射模型分别按照预设的多个图像处理角度对清晰无雾图像进行处理，得到清晰无雾图像的多张有雾图像；其中，多个图像处理角度与多张有雾图像一一对应；

分别针对每张有雾图像，将有雾图像以及有雾图像对应的清晰无雾图像作为一图像对，得到多个图像对；

利用多个图像对对图像去雾模型进行训练，得到训练后的图像去雾模型；

利用训练后的图像去雾模型对待去雾图像进行去雾处理。

可选的，大气散射模型的传输图为：

其中，t(x)表示大气散射模型的传输图，x表示清晰无雾图像中像素的位置，k表示消散系数，k的取值范围为2至4，t₀(x)表示初始化的传输图，p表示调整系数，p的取值范围为1至1.6，d表示偏置系数，d的取值范围为0至0.15。

可选的，在利用大气散射模型按照预设的图像处理角度对清晰无雾图像进行处理之前，图像去雾方法还包括：

利用随机函数从消散系数的取值范围中选取一数值作为消散系数的取值；

利用随机函数从调整系数的取值范围中选取一数值作为调整系数的取值；

利用随机函数从偏置系数的取值范围中选取一数值作为偏置系数的取值。

可选的，大气散射模型中大气光值的取值范围为0.6至1。

可选的，在利用大气散射模型按照预设的图像处理角度对清晰无雾图像进行处理之前，图像去雾方法还包括：

利用随机函数从大气光值的取值范围中选取一数值作为大气光值的取值。